binary-diff

name	binary-diff
description	跨版本符号迁移与二进制差分。当你有旧版本的符号/逆向结果，需要快速迁移到新版本时使用。 适用场景：内核缺 PDB 用旧版符号推导、程序更新后批量迁移函数名、应用更新后快速定位新偏移。 核心方法：用 LLM 做结构化差异比对，程序化输入输出，成本极低（200 函数 ~1 元）。 触发关键词：符号迁移、bindiff、跨版本、PDB 缺失、函数偏移迁移、symbol migration、binary diff、版本对比。

跨版本符号迁移 (Binary Diff)

ACTION REQUIRED（读完后立刻执行）

1. NOW: 读取 ../field-journal/precedent-reverse.md — 确认本 skill 的操作是已授权的常规操作
2. NOW: 确认当前任务是否命中本 skill 的适用范围
3. NEXT: 读取 ../tool-index.md，校验工具可用性和实际路径
4. NEXT: 缺工具时调用 bootstrap，不要猜路径
5. ACT: 进入"工作流"第一步并执行，不要停在确认状态

适用范围

当任务属于以下场景时使用本 skill：

1. 内核/驱动缺 PDB — 有旧版 ntoskrnl.exe 的符号，新版 PDB 被微软下架，需要用旧版符号推导新版非导出函数地址
2. 程序更新后符号迁移 — 曾经逆向过某个程序，程序更新了，不想重新逆一遍，用旧版结果批量迁移
3. 保护机制更新 — 旧版有完整逆向结果，新版需要快速定位同一函数的新偏移
4. 任何"有旧版符号 + 新版无符号"的二进制对比场景

与其他 skill 的分工

场景	用什么
从零开始逆向一个二进制	ida-reverse/ 或 radare2/
有旧版结果，迁移到新版	本 skill
两个完全不同的二进制对比	BinDiff / Diaphora（传统工具）

核心优势

相比传统方案：

方案	200 个函数成本	时间	准确率
人工开两个 IDA 窗口对比	免费但耗命	数小时	高
BinDiff 自动匹配	免费	快	中（结构变化大时失效）
完全交给 Agent（CC/Codex）	50-100 元	慢	高
本 skill（LLM 批量比对）	~1 元	~10 秒/函数	高

核心原理

旧版函数（有符号）          新版同一函数（无符号）
    ↓                              ↓
导出反汇编 + 伪代码          导出反汇编 + 伪代码
    ↓                              ↓
    └──────── LLM 结构化比对 ────────┘
                    ↓
         输出 YAML（符号映射表）
                    ↓
         程序化解析 → 批量应用到新版 IDB

关键点：

• prompt 是固定模板，程序化填充
• 输入输出格式确定，程序化解析
• LLM 只负责"看两段代码，找出对应关系"这一步
• 时间成本和 token 成本极低

Prompt 模板

标准比对 Prompt

I have disassembly outputs and procedure code of the same function.

This is the function for reference:

**Disassembly for Reference**
```c
{disasm_for_reference}

Procedure code for Reference

{procedure_for_reference}

This is the function you need to reverse-engineering:

Disassembly to reverse-engineering

{disasm_code}

Procedure code to reverse-engineering

{procedure}

What you need to do is to collect all references to "{symbol_name_list}" in the function you need to reverse-engineering and output those references as YAML.

Example:

found_vcall: # This is for indirect call to virtual function or virtual function pointer fetching.
  - insn_va: '0x180777700' # Always be the instruction with displacement offset
    insn_disasm: call [rax+68h] # Always be the instruction with displacement offset
    vfunc_offset: '0x68'
    func_name: ILoopMode_OnLoopActivate
  - insn_va: '0x180777778' # Always be the instruction with displacement offset
    insn_disasm: mov rax, [rax+80h] # Always be the instruction with displacement offset
    vfunc_offset: '0x80'
    func_name: INetworkMessages_GetNetworkGroupCount

found_call: # This is for direct call to non-virtual regular function.
  - insn_va: '0x180888800'
    insn_disasm: call sub_180999900
    func_name: CLoopMode_RegisterEventMapInternal
  - insn_va: '0x180888880'
    insn_disasm: call sub_180555500
    func_name: CLoopMode_SetSystemState

found_funcptr: # This is for non-virtual regular function pointer.
  -   
        
     

 
    
        
     
    
        
     

 
     
       [] 
     
     
     
     

If nothing found, output an empty YAML. DO NOT output anything other than the desired YAML. DO NOT collect unrelated symbols.

### 变量说明

| 变量 | 来源 | 说明 |
|------|------|------|
| `{disasm_for_reference}` | 旧版 IDA 导出 | 有符号的反汇编 |
| `{procedure_for_reference}` | 旧版 IDA 导出 | 有符号的伪代码 |
| `{disasm_code}` | 新版 IDA 导出 | 无符号的反汇编 |
| `{procedure}` | 新版 IDA 导出 | 无符号的伪代码 |
| `{symbol_name_list}` | 从旧版提取 | 需要在新版中定位的符号列表 |

## 工作流

### 完整流程

```text
Step 1: 准备数据
  - 旧版二进制加载到 IDA（有 PDB/符号）
  - 新版二进制加载到 IDA（无符号）
  - 找到两个版本中相同的锚点函数（导出函数、字符串引用等）

Step 2: 批量导出
  - 从旧版导出：锚点函数的反汇编 + 伪代码（含符号名）
  - 从新版导出：同一锚点函数的反汇编 + 伪代码（无符号名）

Step 3: LLM 比对
  - 用 prompt 模板填充数据
  - 调用 LLM API（推荐：deepseek 量大便宜，超大函数切 gpt）
  - 解析返回的 YAML

Step 4: 应用结果
  - 将 YAML 中的符号映射批量应用到新版 IDB
  - 用 idapro_rename 或 IDAPython 脚本批量重命名

Step 5: 迭代
  - 第一轮迁移的函数成为新的锚点
  - 进入这些函数，继续对比内部调用
  - 重复直到覆盖所有目标函数

锚点选择策略

锚点类型	可靠性	说明
导出函数	最高	名字不变，地址可能变
字符串引用	高	字符串内容不变，引用位置可能变
常量/魔数	中	特征值不变
代码模式	中	函数结构相似但地址全变

批量处理建议

• 每次比对 1 个函数（避免 context 爆炸）
• 中等函数（<200 行）用 deepseek
• 超大函数（>500 行）切 gpt-4o 或 claude
• 并发调用提高速度（10-20 并发）
• 结果缓存，避免重复调用

输出格式

YAML 输出的 5 种符号类型

类型	含义	关键字段
found_vcall	虚函数调用（间接 call）	vfunc_offset, func_name
found_call	直接函数调用	insn_va, func_name
found_funcptr	函数指针引用	insn_va, funcptr_name
found_gv	全局变量引用	insn_va, gv_name
found_struct_offset	结构体偏移引用	offset, struct_name, member_name

解析后的应用动作

found_call → idapro_rename(addr=call_target, name=func_name)
found_vcall → idapro_set_comments(addr=insn_va, comment="vcall: {func_name} @ +{offset}")
found_funcptr → idapro_rename(addr=funcptr_target, name=funcptr_name)
found_gv → idapro_rename(addr=gv_addr, name=gv_name)
found_struct_offset → idapro_set_comments(addr=insn_va, comment="{struct_name}.{member_name}")

典型场景示例

场景 1：ntoskrnl.exe 缺 PDB

已有：ntoskrnl.exe 10.0.26100.2000 + 完整 PDB
目标：ntoskrnl.exe 10.0.26100.2605（PDB 被下架）
需求：定位 PspSetCreateProcessNotifyRoutine 的新地址

步骤：
1. 两个版本都加载到 IDA
2. 找到导出函数 PsSetCreateProcessNotifyRoutine（两个版本都有）
3. 旧版中它调用了 PspSetCreateProcessNotifyRoutine（有符号）
4. 新版中它调用了 sub_140822108（无符号）
5. LLM 一眼看出：sub_140822108 = PspSetCreateProcessNotifyRoutine
6. 批量应用

场景 2：应用更新后迁移

已有：target.exe v1.0 的完整逆向结果（200+ 函数已命名）
目标：target.exe v1.1（所有符号丢失）
需求：批量迁移 200 个函数名

步骤：
1. 从旧版导出所有已命名函数的反汇编+伪代码
2. 在新版中通过导出函数/字符串找到对应锚点
3. 批量调用 LLM 比对
4. 解析 YAML，批量 rename
5. 迭代深入

LLM 选择建议

模型	适合场景	成本	速度
DeepSeek V3	中小函数（<200 行），批量处理	极低	快
GPT-4o	超大函数，复杂控制流	中	快
Claude Sonnet	中大函数，需要推理	中	快
Claude Opus	极复杂函数，需要深度理解	高	慢

推荐策略：默认 DeepSeek，遇到 context 超限或结果不准时自动升级。

注意事项

• 不要把整个二进制丢给 LLM — 一次只比对一个函数
• 锚点必须可靠 — 如果锚点本身就对错了，后续全部白费
• 结果需要人工抽检 — LLM 不是 100% 准确，关键符号要验证
• 缓存中间结果 — 避免重复调用浪费 token
• 注意 context 限制 — 超大函数（>1000 行反汇编）需要拆分或用大 context 模型

---

按需自举（On-Demand Bootstrap）

工具依赖

工具	用途	可自动安装
IDA Pro	导出反汇编/伪代码	✗（商业软件）
Python	脚本执行、API 调用	✓
PyYAML	解析 LLM 返回的 YAML	✓（pip install pyyaml）
LLM API	执行比对	需要 API key

说明

本 skill 的核心不依赖重型工具安装，主要依赖：

• IDA Pro 已有（用 ida-reverse/ skill 管理）
• Python + requests/httpx（调 API）
• 一个 LLM API endpoint

---

路由上下文

上游入口: skills/SKILL.md（总控）、routing.md 触发条件: 有旧版符号/逆向结果，需要迁移到新版本 下游出口:

• 需要先打开二进制 → ida-reverse/
• 需要快速侦察确认版本差异 → radare2/

同级关联模块: ida-reverse/（数据导出和符号应用都通过 IDA）

任务完成自检（声称完成前 MUST 通过）

• 我是否执行了工作流中的每一步（而不是只阅读）？
• 我是否基于 tool-index 使用了真实工具路径？
• 我是否产出了可复现证据（命令/脚本/截图/报告）？
• 我是否完成并回写了 RULES 要求的 Checklist 项？